Diffractogram metrics for machine learning

En este trabajo se presenta un nuevo modelo con el cual es posible analizar diffractogramas en el área de cristalografía. Con el objetivo principal de poder generar un proceso de clasificación de muestras a partir de su difractograma, se realiza una codificación de dichos difractogramas a partir de...

Full description

Autores:
López Cuellar, Nicolás Orlando
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
eng
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/44980
Acceso en línea:
http://hdl.handle.net/1992/44980
Palabra clave:
Cristalografía
Aprendizaje automático (Inteligencia artificial)
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
Description
Summary:En este trabajo se presenta un nuevo modelo con el cual es posible analizar diffractogramas en el área de cristalografía. Con el objetivo principal de poder generar un proceso de clasificación de muestras a partir de su difractograma, se realiza una codificación de dichos difractogramas a partir de la información de sus picos de intensidad. Luego se genera una pseudo-métrica que permite generar índices de similaridad entre una muestra y un material; y a partir de estos índices de similaridad, se genera un nuevo espacio métrico en el cual se pueden separar totalmente las clases manejadas en la base de datos usada, con algoritmos estándar de Machine Learning.